Anda di halaman 1dari 15

BAB 2

Pentingnya hubungan kausal dalam pengobatan dan perawatan kesehatan

Pendahuluan
Studi tentang hubungan kausal sangat penting untuk pengobatan dan perawatan kesehatan
(Gambar 2.1). Dalam merawat pasien, keputusan untuk menawarkan pengobatan didasarkan
pada asumsi bahwa pengobatan tersebut akan menyebabkan perbaikan pada kondisi pasien. Studi
tentang penyebab dan pencegahan penyakit menentukan faktor mana yang menyebabkan
penyakit ini terjadi. Dalam pengelolaan layanan kesehatan, keputusan untuk menyediakan jenis,
layanan atau fasilitas tertentu mengasumsikan bahwa hal itu akan menyebabkan peningkatan
kesehatan individu atau komunitas. Terdapat studi baru mengenai apakah lingkungan prenatal
menyebabkan diabetes; penilaian pengobatan baru untuk penyakit jantung, malaria, dan kanker
kandung kemih; Dan diskusi tentang apakah kemampuan klinis dapat meningkatkan kinerja
layanan kesehatan. Artikel ini pada dasarnya mengajukan pertanyaan tentang kausalitas. Apakah
pengobatan spesifik menyebabkan perbaikan kondisi pasien? Apakah faktor tertentu
menyebabkan penyakit terjadi? Apakah sistem pengelolaan kesehatan yang berbeda
menyebabkan perbaikan bagi pengguna atau pelayanan masyarakat? Masalah paling penting
dalam perawatan kesehatan bergantung pada penilaian apakah ada terdapat hubungan sebab dan
akibat di dalamnya.

Hubungan sebab akibat


Terapi: pengobatan memperbaiki kondisi pasien
Etiologi: faktor penyebab insiden penyakit
Pelayanan kesehatan: jasa memperbaiki kesehatan komunitas

Gambar 2.1 Relevansi hubungan kausal dalam perawatan kesehatan. Keputusan tentang terapi,
etiologi, atau penyediaan layanan kesehatan semuanya mempunyai asumsi hubungan sebab dan
akibat .

Dalam buku ini, kita akan mengeksplorasi metode yang tersedia bagi kita untuk menguji apakah
hubungan sebenarnya bersifat kausal, dan untuk memutuskan apakah asumsi di balik keputusan
yang berkaitan dengan terapi, etiologi, dan manajemen layanan kesehatan adalah benar atau
salah. Proses penilaian kritis ini sangat penting dalam topik meta analisis dan pengobatan
berbasis bukti. Evaluasi terhadap apa yang dilakukan dan apa yang tidak dilakukan dalam
perawatan kesehatan, berdasarkan basisnya dalam bukti ilmiah, bergantung pada penilaian yang
benar mengenai hubungan kausal. Kami akan berkonsentrasi pada penilaian kritis studi
epidemiologi dan uji klinis. Kami akan menyajikan sistem praktis untuk penilaian kritis, yang
dapat diterapkan pada jenis studi utama yang menilai hubungan antara intervensi atau
keterpaparan dan hasilnya. Isu utamanya adalah apakah ada asosiasi yang terlihat antara
intervensi atau keterpaparan dan hasilnya yang mendasari hubungan sebab akibat; sehingga
tindakan yang tepat dapat dilakukan. Jika hubungan sebab dan akibat tidak ada, asosiasi harus
terjadi karena mekanisme lainnya; hal ini memiliki akibat yang berbeda.

Definisi dan jenis sebab akibat


Untuk membahas tentang hubungan sebab akibat, kita harus mengetahui definisi dari sebab
akibat yang akan menjelaskan bagaimana hubungan tersebut dapat dibuktikan dan dibantah.
Konsep sebab-akibat seringkali mengingatkan pada situasi ekstrem dan terbatas, yaitu situasi
dimana suatu peristiwa tertentu selalu mengikuti peristiwa lain. Ini adalah gagasan yang sering
kita dengar karena secara teratur diamati dalam ilmu fisika. Sebagai contoh, hukum Boyle
menyatakan bahwa pada suhu tertentu, volume gas berbanding terbalik dengan tekanannya. Jadi,
perubahan tekanan akan selalu dan otomatis akan menyebabkan perubahan pada volume.
(Gambar 2.2). Efeknyacepat, bisa direplikasi dengan mudah, dan bisa dinyatakan sebagai
hubungan matematis yang sederhana. Meskipun demikian, ada sedikit kesulitan dalam menerima
gagasan bahwa perubahan tekanan menyebabkan perubahan volume. Demikian pula, ada sedikit
kesulitan dalam konsep bahwa memberikan panas ke batang logam akan menyebabkan batang
tersebut berkembang; Sekali lagi ada hubungan yang tidak berubah dan tidak langsung antara
outcome, yaitu perubahan panjang bar, dan 'keterpaparan', yaitu panas yang diterapkan pada bar.
Gambar 2.2 Hubungan kausal yang sederhana. Hubungan sebab akibat di Ilmu fisika seringkali
sederhana, seperti dalam hukum Boyle yang berkaitan dengan tekanan dan volume gas, atau efek
panas pada batang logam. Agen penyebabnya cukup, hubungan waktu pendek, dan replikasi
mudah dilakukan.
Jenis sebab akibat ini memiliki sejumlah sifat khusus. Yang pertama adalah terdapat
agen penyebab yang cukup; dengan kata lain, agen penyebab yang pasti menghasilkan hasilnya.
Kedua, hubungan waktu antara tindakan agen penyebab dan efek yang dihasilkan sangat singkat.
Ketiga, karena bisa diterapkan dalam percobaan, hubungan ini dapat direplikasi dengan mudah
dalam kondisi terkendali.
Situasi yang relevan dengan kesehatan dan penyakit manusia jarang sesederhana itu.
Dalam segi kesehatan, tidak semua agen penyebabnya sudah mencukupi. Misalnya, penyakit
tuberkulosis disebabkan oleh infeksi tubuh manusia oleh basil tuberkulum (Gambar 2.3). Namun,
infeksi oleh bakteri tuberkulosis tidak selalu menyebabkan tuberkulosis klinis. Hanya sebagian
kecil dari mereka yang terinfeksi oleh bakteri bacillus mengembangkan penyakit klinis, dan
terdapat sejumlah faktor lain yang mempengaruhi apakah penyakit ini akan berkembang, seperti
gizi buruk (Gambar 2.4). Dengan demikian kombinasi antara infeksi tubercie bacillus dan gizi
buruk, ditambah dengan faktor lainnya, akan menyebabkan timbulnya gejala klinis. Kita harus
mempertimbangkan basil tuberkulosis dan gizi buruk sebagai faktor penyebab: walaupun
memang peningkatan gizi telah menjadi penyebab utama penurunan insiden tuberkulosis pada
paruh pertama abad ke-20.

Gambar 2.3. Hubungan kausal sederhana? Hubungan kausal yang tampaknya sederhana dalam
kedokteran. Walaupun agen penyebab itu penting, namun itu tidak mencukupi dan hubungan
waktu tidak pasti.
Gambar 2.3. Hubungan kausal sederhana? Diagram yang lebih lengkap tentang penyebab
penyakit tuberkulosis.

Bakteri tuberkulum adalah penyebab penyakit yang diperlukan. Sekarang kita dapat
mendefinisikan dua kategori faktor penyebab. Faktor penyebab yang cukup (sufficient),
bertindak sendiri, dan akan selalu menghasilkan outcome. Yang kedua adalah faktor diperlukan
(necessary) adalah faktor yang tidak memberikan pengaruh pada outcome;ia telah bertindak
dalam semua contoh hasilnya (Kotak 2.1). Dalam situasi hukum Boyle, perubahan tekanan
diperlukan dan cukup untuk perubahan volume, mengingat keadaan lainnya diperbaiki. Dalam
contoh batang logam, panas adalah penyebab yang cukup tapi tidak penting; Ada cara lain untuk
memperpanjang sebuah bar logam.

Kotak 2.1 Berbagai jenis hubungan kausal. Kategori terakhir


adalah yang paling penting

Jenis hubungan kausal

Diperlukan (necessary): hasilnya hanya terjadi jika faktor


kausal telah beroperasi
Cukup (Sufficient): faktor kausal selalu menghasilkan
hasilnya.
Keduanya (Both): faktor kausal dan hasilnya memiliki
hubungan tetap: tidak terjadi jika yang lain tidak ada
Neither: operasi faktor kausal meningkatkan frekuensi hasil,
namun hasilnya tidak selalu menghasilkan, dan hasilnya
dapat terjadi tanpa operasi faktor penyebabnya.
Sebagian besar situasi di bidang kesehatan dan penyakit tidak memenuhi kriteria sebab-
sebab yang diperlukan atauapun yang cukup. Jika ada orang sehat masuk ke rumah sakit, kami
akan menyimpulkan bahwa ada hubungan kausal antara ditabrak bus dan beberapa patah tulang.
Namun hubungan tersebut tidak menyiratkan bahwa penyebabnya cukup atau tidak perlu. Tidak
semua orang tertabrak bus memiliki beberapa patah tulang dan tidak semua pasien dengan
beberapa patah tulang telah ditabrak bus.
Kesalahan logika yang sering terjadi adalah mendefinisikan sebab akibat dengan cara
yang hanya menjelaskan kasus pembatas penyebab yang diperlukan dan cukup. Dengan
demikian, fakta bahwa Paman Joe masih hidup dan sehat pada usia 95. Setelah mengisap 20
batang rokok sehari sejak usia 10, tidak menunjukkan bahwa merokok tidak berbahaya; Ini
hanya menunjukkan bahwa merokok bukanlah penyebab kematian atau kecacatan yang cukup
sebelum usia 95 tahun. Observasi yang satu ini dapat membantah hipotesis penyebab yang
cukup. Tetapi atas bukti ini, dapat disimpulkan bahwa tidak ada jenis kausal antara merokok dan
penyakit seperti menyimpulkan keberadaan veteran perang tua, yang berarti bahwa perang tidak
membunuh orang.
Kita harus menggunakan konsep penyebab yang relevan dengan masalah kesehatan,
dan menentukan hubungan kausal dengan cara yang sesuai dengan situasi nyata. Definisi
penyebab yang akan kita gunakan: sebuah faktor adalah penyebab dari suatu kejadian jika
keberadaannya meningkatkan frekuensi kejadian tersebut (Kotak 2.2).

Kotak 2.2 Definisi penyebab umum. Penyebab yang perlu


dan cukup hanya ekstrem dalam hal ini
definisi
Definisi penyebab
Penyebab: raktor adalah penyebab kejadian jika
operasinya meningkatkan frekuensi acara.

Kebalikan dari faktor kausal adalah, penyebab, faktor pencegahan, yang kehadirannya akan
mengurangi frekuensi dari hasil. Konsep dari kausalitas dan bukti yang dibutuhkan untuk
menilainya, berlaku sama untuk masalah pencegahan.
Kembali ke pria dengan beberapa patah tulang, apa yang menyebabkan kita sampai pada
kesimpulan bahwa ini disebabkan oleh tertabrak bus? Bukti utamanya adalah hubungan waktu
langsung. Pertimbangkan situasi lain. Seorang wanita mengalami sakit kepala yang terus-
menerus dan menyebabkan riwayat cedera kepala beberapa bulan sebelumnya. Bisakah kita
mengasumsikan hubungan kausal dalam kasus ini? Kita tidak bisa dengan mudah membuat
penilaian seperti itu, karena hubungan waktu tidak begitu jelas dan banyak peristiwa lainnya
mungkin terjadi. Misalnya, kita mempelajari sejumlah pasien yang memiliki sakit kepala terus-
menerus dan menemukan bahwa kebanyakan dari mereka mempunyai riwayat cedera kepala.
Kemudian kita harus menduga hubungan yang jelas antara kedua peristiwa tersebut
menunjukkan adanya hubungan sebab dan akibat. Namun, kita perlu berhati-hati terhadap
riwayat cedera sebelumnya. Beberapa orang yang mengalami cedera mungkin tidak dapat
mengingatnya, dan demikian pula, cedera yang dialami mungkin tidak mempengaruhi kehidupan
normal. Untuk lebih jauh lagi kita perlu bertanya apakah frekuensi kejadian seperti itu dialami
oleh subjek dengan sakit kepala persisten berbeda dari 'apa yang kita harapkan' Untuk
mengetahui 'apa yang kita harapkan', kita perlu menentukan, metode yang sebanding, frekuensi
cedera tersebut pada orang lain namun tidak mengalami sakit kepala terus-menerus.

Jadi, saat waktu belum dapat menunjukkan hubungan yang jelas, konsep yang diperlukan dan
penyebab yang cukup tidak terpenuhi, kita memerlukan penilaian kuantitatif atau hubunga yang,
berdasarkan pengamatan bukan hanya pada satu individu namun pada sekelompok individu.
Oleh karena itu definisi sebab-akibat adalah kuantitatif.

Tes langsung sebab akibat: uji coba secara acak


Tes langsung terhadap definisi kuantitatif sebab akibat diberikan jika kita memiliki dua
kelompok individu, yang sangat mirip dalam semua karakteristik yang relevan, dan menerapkan
satu faktor penyebab. Karakteristik yang relevan adalah faktor-faktor yang mempengaruhi
frekuensi kejadian. Jika ada hubungan kausal, frekuensi hasil pasti akan lebih tinggi pada
kelompok yang terpapar faktor kausal. Desain penelitian yang menggunakan pendekatan ini
adalah uji coba secara acak, yaitu perlakuan untuk setiap subjek dilakukan secara acak atau
kebetulan (Gambar 2.5).
Gambar 2.5 Salah satu cara untuk menguji sebab-akibat. Bila diterapkan untuk terapi pasien, ini
adalah uji coba klinis secara acak.

Percobaan acak digunakan pertama dalam ilmu pertanian, di mana misalnya, pupuk diberikan
pada suatu petak tanah dan pada petak tanah lain yang tidak diberikan pupuk dijadikan sebagai
pembanding. Selanjutnya, hasil panen diukur. Hubungan kausal antara aplikasi pupuk dan hasil
panen terlihat pada perbedaan hasil panen antara tanah yang diberikan perlakuan dan tanah yang
tidak diberikan perlakukan. Aplikasi teknik ini untuk dalam dunia pengobatan pertama kali
dilakukan dari akhir 1940-an; Sebuah percobaan terapi untuk tuberkulosis (Gambar 2.6) sering
dianggap sebagai penelitian pertama, walaupun beberapa percobaan klinis awal lainnya akan
disebutkan di Bab 3. Metode ini telah digunakan secara ekstensif dalam uji coba metode
pengobatan, dimana metode yang dibandingkan umumnya serupa, misalnya pilihan antara
pemberian satu obat dan pemberian obat yang berbeda. Cara pengacakan berkontribusi terhadap
rancangan penelitian akan dibahas di bab selanjutnya. Setiap kelompok yang menerima
perlakuan dipilih secara acak namun kemungkinan besar akan serupa satu sama lain sehubungan
dengan faktor lain yang mempengaruhinya, sehingga perbedaan hasil yang terjadi dikaitkan
dengan perawatan. Karena terdapat dua kelompok yang diamati pada saat yang bersamaan,
sangat mungkin untuk merancang suatu penelitian segingga baik subjek maupun penyidik tidak
akan menyadari pengobatan mana yang telah diberikan, dan metode double-blind ini akan
memungkinkan pengamatan hasil yang akan dicapai dengan cara yang sama untuk semua subjek
Sejak percobaan pertama, ribuan uji coba acak telah banyak dilakukan.
Gambar 2.6 Percobaan kemoterapi untuk penyakit tuberkulosis paru tingkat lanjut yang
dibuat oleh British Medical Research Council pada tahun 1946. Sering dianggap sebagai yang
pertama hasil uji klinis yang pertama kali dilakukan
Sumber: data dari Medical Research Council, Streptomycin treatment of pulmonary tuberculosis,
'British Medical Joumnal, Volume 2, Issue 4582, hlm. 769-782. 1948. 111.

Sebagai tambahan, uji coba tuberkulosis muncul karena hanya terdapat sedikit
streptomisin di Inggris setelah Perang Dunia II, dan sebagian besar digunakan untuk pasien
dengan penyakit tuberkulosis lanjut, yang memberikan hasil baik bahkan tanpa dilakukan
penelitian sebelumnya. Karena jika tidak dilakukan pengobatan dengan segera, hampir semua
pasien akan meninggal [2]. Poin utama dari percobaan ini adalah sistem yang dilakukan secara
acak, menggunakan nomor sampling acak dan teknik amplop tertutup. Percobaan dilakukan pada
enam pusat kesehatan, yang kemudian hasilnya digabungkan, dianalisis dan kemudian
dipublikasikan. Percobaan ini merupakan salah satu meta analisis pertama yang pernah dilakukan
(meta analisis selanjutnya akan dibahas di Bab 9). Tidak ada prosedur informed consent pada
percobaan ini karena dianggap jika terapi baru ini tersedia, akan digunakan sebagai pengobatan
pilihan pertama tanpa memerlukan persetujuan khusus.
Tidak ada pernyataan yang menyatakan bahwa jenis penelitian double blind,
randomized, ataupun prospective trial adalah cara yang ideal dalam menguji hubungan kausal
yang diterapkan pada subyek manusia. Namun, prosedur ini tidak mudah dilakukan dan tidak
banyak dipakai untuk alasan ilmiah, seperti masalah praktis dan etis. Misalnya, untuk
membandingkan dua jenis pengobatan yang bertujuan untuk mengurangi angka kematian akibat
penyakit kronis seperti kanker, sejumlah besar pasien yang memiliki jenis penyakit yang sama
harus diacak, diberikan perawatan, dan diikuti perkembangannya selama bertahun-tahun.
Percobaan ini jelas membutuhkan biaya yang mahal dan berbagai kendala. Sehingga
menyebabkan hasil penelitian ini membutuhkan waktu yang lama dan mungkin sudah kalah
dengan penelitian lainnya. Keterbatasan absolut dari uji coba acak prospektif adalah hanya boleh
intervensi yang tidak merugikan. Karena akan tidak etis untuk mengacak individu menerima
paparan yang berpotensi berbahaya, seperti terkena rokok, polutan industri, atau racun lainnya.
Bahkan ketika perbandingan dilakukan antara eksposur yang kita harapkan bermanfaat,
misalnya, banyak dokter mungkin tidak memasukkan pasien yang berada di bawah perawatan
mereka ke dalam uji coba secara acak.

Salah satu tanggapan terhadap situasi ini adalah untuk menentukan sebab-akibat yang dapat
ditunjukkan dalam uji coba secara acak dan untuk mengurangi semua situasi lainnya. Ini adalah
sikap yang tidak realistis. Pada definisi ini, kita tidak dapat mengasumsikan hubungan kausal
antara beberapa patah tulang dan kecelakaan bus. Sudut pandang ini menunjukkan metode ilmiah
tertentu dapat menentukan definisi sebab akibat sebagai inti dari pernyataan umum bahwa studi
epidemiologi atau observasional dapat menunjukkan suatu asosiasi. Hal ini tidak benar. Pada
pertengahan 1970-an, beberapa studi kontrol kasus (rancangan penelitian epidemiologi yang
akan dijelaskan di Bab 3) menyarankan bahwa wanita yang menggunakan terapi hormonal untuk
gejala menopause memiliki peningkatan risiko kanker rahim secara substansial. Karena terapi
hormon telah digunakan selama bertahun-tahun, isu ini menjadi hal yang sangat kontroversial
dan banyak ahli sangat mengkritik penelitian ini.

Metode acara penghitungan: prevalensi dan insiden

Kita telah melihat bahwa penyebab perlu didefinisikan dalam hal probabilitas, dan jadi kita perlu
menggunakan metode kuantitatif. Bagian ini ulasan terminologi yang digunakan dalam
menghitung peristiwa di epidemiologi, yang mungkin menjadi dasar akrab bagi banyak pembaca.
Ukuran paling sederhana dari frekuensi prevalensi: frekuensi karakteristik, atau proporsi dari
kelompok yang memiliki karakteristik, pada satu titik waktu. Ini adalah proporsi sederhana, tidak
memiliki satuan, dan diukur pada satu titik waktu. Pada Tabel 2.1. ada populasi 100 000 dalam
masyarakat dan survei menunjukkan bahwa pada satu titik waktu ada 800 kasus dari penyakit
yang hadir: tingkat prevalensi (atau rasio) adalah 800 per toilet ooo. Berikut ini adalah contoh
nyata dari tingkat prevalensi. Dalam sebuah survei terhadap 1547 orang berusia di atas 65 tahun
di London, 563 (36 persen) memiliki katarak pada satu atau kedua mata: prevalensi meningkat
dari 16 persen pada pria berusia 65-69 menjadi 76 persen pada wanita berusia 85-1 00 [4]. Ini
adalah ukuran prevalensi yang berlaku untuk frekuensi kondisi pada satu titik waktu.

Demikian pula, kita bisa mengatakan bahwa 23 persen dari mahasiswa di universitas adalah
perokok, 25 persen mengalami obesitas, dan 8 persen memiliki rambut merah. Dalam
serangkaian otopsi, patolog mungkin menemukan bahwa prevalensi arteriosclerosis adalah 60
persen (ini khususnya tampaknya sangat sering mislabelled sebagai kejadian dalam teks-teks
patologi dan percakapan). Sebuah satu sedikit lebih sulit adalah bahwa frekuensi sindrom Down
di kelahiran hidup adalah sekitar 1,5 per 1000: ini adalah tingkat prevalensi, karena merupakan
proporsi kelahiran jangka yang menunjukkan sindrom tersebut, dan dapat disebut secara khusus
sebagai 'prevalensi tingkat saat lahir'.

Tingkat kejadian adalah frekuensi insiden, acara seperti kematian atau diagnosis baru penyakit,
selama periode waktu yang ditetapkan: memiliki unit time1. Sebagai contoh, angka kematian
tahunan adalah jumlah kematian yang terjadi dalam 1 tahun dibagi dengan populasi yang
berisiko. Kejadian tahunan penyakit adalah jumlah kasus baru yang terjadi dalam satu tahun,
sedangkan prevalensi pada tanggal tertentu adalah jumlah kasus yang ada pada tanggal tersebut
tingkat insiden yang jumlah kasus dibagi dengan ukuran populasi.
Tabel 2.1 Hubungan antara insidensi, prevalensi dan lama penyakit, dengan asumsi keadaan
stabil dan besar populasi sama.

Pada Tabel 2.1, 400 kasus baru penyakit ini didiagnosis lebih dari 2 tahun, dan tingkat
kejadian adalah 200 per 100 000 per tahun. Di Australia pada tahun 2012. ada 120 710 orang
didiagnosis dengan kanker, dalam populasi pertengahan tahun 22 728 254, memberikan tingkat
kejadian rata-rata untuk tahun 531,1 per 100 000 per tahun. Dalam sebuah studi pekerja di
sebuah pendirian senjata atom, 22 552 pekerja yang diidentifikasi dan rata-rata tindak lanjut
adalah 18,6 tahun, sehingga total orang-tahun masa tindak lanjut adalah 22 552 x 18,6 = 419 467
orang-tahun. Ada 3115 kematian selama periode ini, memberikan tingkat kematian rata-rata
selama periode waktu seluruh dari 743 kematian per 1000 tahun PribadiNya- (5]. Oleh karena itu
pengukuran tingkat kejadian membutuhkan menghitung peristiwa selama periode waktu. Istilah
ini sering disalahgunakan di tempat prevalensi.

Dalam semua contoh ini dari tingkat kejadian, jumlah kejadian (insiden) justru mencatat,
tapi penyebut adalah perkiraan, mewakili jumlah rata-rata atau khas dari individu yang berisiko,
atau jumlah unit orang-time berisiko dalam studi seluruh . Hal ini dilakukan secara rutin dalam
analisis statistik vital dan badan-badan besar lainnya data. Jelas, ini jenis pendekatan tidak cukup
baik di set kecil data. analisis yang lebih tepat melibatkan metode hidup-meja, di mana jumlah
individu sebenarnya berisiko pada setiap titik waktu dihitung secara tepat, dan tingkat kejadian
didasarkan pada perhitungan ini. Metode ini dijelaskan dalam Bab 8.
Populasi yang berisiko adalah denominator yang tepat bagi banyak suku, walaupun dalam
prakteknya total penduduk oflen digunakan. Populasi yang berisiko dapat didefinisikan cukup
tepat dalam studi rinci. Sebagai contoh, meskipun laki-laki ca mendapatkan kanker payudara,
secara umum, tingkat kanker payudara terkait dengan penduduk perempuan, dan di moi-e studi
rinci populasi ai risiko baru kanker insiden payudara dapat didefinisikan lebih akurat dengan
tidak termasuk wanita yang sudah mengembangkan penyakit

Dalam mempelajari penyakit menular, populasi berisiko mungkin exdude mata pelajaran yang
diimunisasi: dalam wabah keracunan lood, populasi berisiko dari masing-masing jenis makanan
dapat didefinisikan sebagai mereka yang consu med bahwa makanan.

Insiden kumulatif adalah proporsi kelompok mata pelajaran yang mengalami suatu
peristiwa dari awal sampai akhir jangka waktu tertentu, yaitu, frekuensi kumulatif acara. Menjadi
ukuran berdasarkan insiden, memerlukan menghitung peristiwa selama periode waktu, tetapi
yang berkaitan dengan satu titik waktu, il adalah proporsi sederhana tanpa Unit. Dalam sebuah
penelitian retinopati (kerusakan pada retina mata) pada subyek dengan diabetes, kumulatif
insiden dengan 1 tahun di 3743 subyek tanpa retinopati pada survei awal dan usia rata-rata 63
adalah 5,3 persen, flsing ke 3,8. 1 persen oleh 5 tahun 6J. Hasil dari penyakit kronis utama dalam
patienls Apakah sering dinyatakan sebagai tingkat kematian sampai titik tertentu dalam waktu;
misalnya, kejadian kumulatif kematian bagi pasien yang didiagnosis dengan kanker payudara di
Norwegia antara 1968 dan 1975 disiapkan 40 persen pada akhir 5 tahun setelah diagnosis. dan.
corresponcngly. kelangsungan hidup pada saat itu (tingkat ketahanan hidup 5 tahun) adalah 60
persen. Dalam sebuah studi besar pengobatan infark miokard, hasil diukur adalah kematian
kumulatif lebih dari 35 hari sejak infark, yang sekitar 7 persen; Ihat adalah. pada akhir 35 hari. 7
persen dari kelompok onginal telah meninggal dan 93 persen masih hidup (7).

Jika penyakit menular, atau epidemi single-source seperti keracunan makanan, melewati
sebuah komunitas, pada akhir epidemi kita dapat menghitung proporsi dari semua orang yang
terinfeksi sebagai tingkat kejadian kumulatif selama periode kapur keseluruhan; kita mungkin
menemukan bahwa 20 persen dari populasi dipengaruhi, ini adalah kejadian kumulatif, dan juga
disebut sebagai tingkat serangan, tingkat ini sering dihitung dalam hal populasi berisiko contoh
foi, tingkat serangan genteng campak mungkin dihitung khusus untuk mereka yang rentan lain
tidak termasuk yang bukan karena imunisasi.
Hubungan antara prevalensi dan insiden

Di mana penyakit ini dalam situasi yang stabil dalam populasi yang besar (situasi
keseimbangan dinamis '), jumlah orang yang memiliki penyakit pada satu titik dalam waktu
(prevalensi) WDL tergantung pada tingkat kejadian (tingkat di mana orang mengembangkan
penyakit) dikalikan dengan rata-rata durasi penyakit berakhir dalam pemulihan atau kematian.
Bahkan, tingkat prevalensi (P) sama dengan tingkat kejadian rata-rata (I) dikalikan dengan rata-
rata durasi (D), atau P = I x D. Dengan demikian, jika ada 200 kasus baru penyakit setiap tahun
di sebuah komunitas, seperti yang ditunjukkan pada Tabel 2.1. dan penyakit berlangsung 4 tahun
rata-rata. prevalensi pada satu titik di Urne akan 800 kasus. Asumsi mapan juga berarti bahwa,
untuk menjaga prevalensi konstan, 200 kasus setiap tahun harus menyelesaikan; 40 kematian
setiap tahun ditunjukkan pada Tabel 2.1, ini berarti bahwa 400F 200 kasus (20 persen) yang fatal,
dan orang-orang lain yang terkena dampak baik ditayangkan atau mati dari penyebab lain.

Pertanyaan tes mandiri

Jawaban dalam Lampiran 1, halaman 395

Q2.1 Berikan penyebab definisi eta atau Faktor kausal

02.2 Apa jenis sebab-akibat ditunjukkan di setiap genteng berikut?

(A) Seseorang jatuh 50 kaki dari atap ke beton dan menopang kaki retak

(B) Paparan virus poliomyelibs dan polio klinis. (C) Seorang pria merokok berat dari usia 14 dan
mengembangkan kanker paru-paru pada usia 52

(D) Asosiasi ekstra kromosom 21 materi dengan sindrom Down.

(E) Perubahan dalam pelayanan kesehatan pembelian poticy dan areduction biaya perawatan
heatth.

Q2.3 Apa tingkat dan unit apa ate diberikan oleh:


(A) Dari 40 chitdren di kelas. 8 gtasses pakai

(B) Dalam komunitas 50 000 orang, telah ada 100 kecelakaan di jalan dalam 2 tahun terakhir.

(C) 01100 pasien yang memiliki operasi bedah tertentu, 14 die n rumah sakit

(D) Dalam Senes otopsi, bukti mikroskopis keganasan payudara ditemukan Nilo dari 40
pemeriksaan,

Q2.4 Of 1000 subyek obesitas, 180 sudah memiliki hyperiension Lebih dari 3 tahun. 120 mote
didiagnosis dengan hipertensi

(A) Berapakah awal, dan 5nal. prevalensi hipertensi?

(B) Apa kejadian cumulalive lebih dari 3 tahun pada populasi yang berisiko?

(C) Berapa rata-rata tingkat kejadian tahunan?

Q2.5 Pertimbangkan data berikut di HTV serokonversi (dari negatif ke positif) dalam kelompok
berisiko tinggi 1000 mata pelajaran. Asumsikan bahwa positif HIV adalah permanen, dan tidak
ada entri atau kerugian dari kelompok mata pelajaran. Pada Januari 2001 ada 180 positif, 1
Januari 2002 ada 200 positif, dan pada 1 Januari 2003 terdapat 250 positif. Menghitung:

(A) poputation berisiko tanggal 1 Januari 2001

(B) tingkat prevalensi 1 Januari 2002

(C) kejadian cumulalive lebih dari 2 tahun sejak 1 Januari 2001

(D) tingkat kejadian pada tahun 2002.

Referensi

1 MedIcal Research Council. Streptomycin eatment of pulmonary tuberculosis BMJ 1948. II 769
782

2 Yoshioka A. Use cl randomisation in the Medcal Researri Councils clinecat tnal of


slreptomycin in pulmonary ti.erculosis in the 1940s BMJ 1998.317 1220-1223
3 Mack TM, Pike MC. Hormone replacement therapy and endometnal carcinoma Lancpl 1977. I
(8026)1358

4 Reldy A, Mlnasslan DC, Joseph J, Joseph J, Farrow S, Wu J, et al. Prevalence of serious eye
disease and visuat imparment in the north London population pop4aticn based, oross sectional
study BMJ 1996. 316 1843-1848

5 Beral V, Fraser P, Carpenter L Booth M, Brown A, Rose G. Mortabty & employees ol the
Atomic Vapons Establishment 19511982 BMJ 1988, 297 757770

6. Younis N, Broacfbent DM, yore JP, Harding SP. Incidence of sight-ltveatening retinopathy in
patients with type 2 ckabetes in the Liverpool Diabetic Eye Study a cohort study Lancet 2003:
361 195200

7. ISIS-4 (Fourth InternatIonal Study of Infarct Survival Collaborative Group). ISIS-4 a


raridomised factonal tnal assessing early oral captopril oral mononitrate. and intravenous
magnesilmi sulphate in 58 050 patients with suspected acule myocardial infarction Lance 1995:
34S669-885